1. 首页 > 学习选股

股票与市场组合的协方差加倍(股票间的协方差怎么求)

股票与市场组合的协方差加倍(股票间的协方差怎么求)

内容导航:
  • 单个证券与市场组合协方差
  • 某一股票与市场组合的协方差是什么意思?
  • 有一个只有两只股票的资本市场上.股票A的资本是B的两倍,A的超额收益的标准差为30%,B的超额收益
  • 某一个股票与股票市场组合的方差是什么意思?
  • 协方差怎么计算,请举例说明
  • 怎么求协方差
  • 协方差怎么算
  • Q1:单个证券与市场组合协方差

    因为协方差是双线性函数啊,双线性函数的概念在线性代数书里有,对你说的这种情况,实际是用到了:
    Cov(aX+bY,cZ)=acCov(X,Z)+bcCov(Y,Z)
    把aX+bY推广到N项就可以了

    Q2:某一股票与市场组合的协方差是什么意思?

    方差描述了一组数列的波动情况,如果一个数列都是1种数,如1,1,1,1,1,1 那么它的方差为0
    期望其实就是一组数的平均值
    协方差是建立在方差分析和回归分析基础之上的一种统计分析方法
    两个不同参数之间的方差就是协方差
    相关系数r
    相关系数是变量之间相关程度的指标。样本相关系数用r表示,总体相关系数用ρ表示,相关系数的取值范围为[-1,1]。|r|值越大,误差Q越小,变量之间的线性相关程度越高;|r|值越接近0,Q越大,变量之间的线性相关程度越低。
    相关系数 又称皮(尔生)氏积矩相关系数,说明两个现象之间相关关系密切程度的统计分析指标。
    相关系数用希腊字母γ表示,γ值的范围在-1和+1之间。
    γ>0为正相关,γ<0为负相关。γ=0表示不相关;
    γ的绝对值越大,相关程度越高。
    两个现象之间的相关程度,一般划分为四级:
    如两者呈正相关,r呈正值,r=1时为完全正相关;如两者呈负相关则r呈负值,而r=-1时为完全负相关。完全正相关或负相关时,所有图点都在直线回归线上;点子的分布在直线回归线上下越离散,r的绝对值越小。当例数相等时,相关系数的绝对值越接近1,相关越密切;越接近于0,相关越不密切。当r=0时,说明X和Y两个变量之间无直线关系。通常|r|大于0.75时,认为两个变量有很强的线性相关性。
    相关系数的计算公式为:
    其中xi为自变量的标志值;i=1,2,…n;■为自变量的平均值,
    为因变量数列的标志值;■为因变量数列的平均值。
    为自变量数列的项数。对于单变量分组表的资料,相关系数的计算公式为:
    其中fi为权数,即自变量每组的次数。在使用具有统计功能的电子计算机时,可以用一种简捷的方法计算相关系数,其公式为:
    使用这种计算方法时,当计算机在输入x、y数据之后,可以直接得出n、■、∑xi、∑yi、∑■、∑xiy1、γ等数值,不
    必再列计算表。
    参考资料:百度百科

    Q3:有一个只有两只股票的资本市场上.股票A的资本是B的两倍,A的超额收益的标准差为30%,B的超额收益

    先算市场组合:A的资本是B的两倍,因此WA=2/3,WB=1/3
    市场组合的方差是:[(2/3)*30%]^2+[(1/3)*50%]^2+2*(2/3)*(1/3)*0.7*30%*50%=0.1144
    市场组合的标准差是:33.8%
    股票A与股票B的收益的协方差是:0.7*30%*50%=0.105
    股票A与市场的收益的协方差是:(2/3)*(30%)^2+(1/3)*0.105=0.095
    股票A的beta系数是:0.095/0.1144=0.83
    股票B与市场的收益的协方差是:(2/3)*0.105+(1/3)*(50%)^2=0.1533
    股票B的beta系数是:0.1533/0.1144=1.34

    Q4:某一个股票与股票市场组合的方差是什么意思?

    任何投资者都希望投资获得最大的回报,但是较大的回报伴随着较大的风险。为了分散风险或减少风险,投资者投资资产组合。资产组合是使用不同的证券和其他资产构成的资产集合,目的是在适当的风险水平下通过多样化获得最大的预期回报,或者获得一定的预期回报使用风险最小。 作为风险测度的方差是回报相对于它的预期回报的离散程度。资产组合的方差不仅和其组成证券的方差有关,同时还有组成证券之间的相关程度有关。为了说明这一点,必须假定投资收益服从联合正态分布(即资产组合内的所有资产都服从独立正态分布,它们间的协方差服从正态概率定律),投资者可以通过选择最佳的均值和方差组合实现期望效用最大化。如果投资收益服从正态分布,则均值和方差与收益和风险一一对应。 如本题所示,两个资产的预期收益率和风险根据前面所述均值和方差的公式可以计算如下:1。股票基金 预期收益率=1/3*(-7%)+1/3*12%+1/3*28%=11% 方差=1/3[(-7%-11%)^2+(12%-11%)^2+(28%-11%)^2]=2.05% 标准差=14.3%(标准差为方差的开根,标准差的平方是方差)2。债券基金 预期收益率=1/3*(17%)+1/3*7%+1/3*(-3%)=7% 方差=1/3[(17%-7%)^2+(7%-7%)^2+(-3%-7%)^2]=0.67% 标准差=8.2%注意到,股票基金的预期收益率和风险均高于债券基金。然后我们来看股票基金和债券基金各占百分之五十的投资组合如何平衡风险和收益。投资组合的预期收益率和方差也可根据以上方法算出,先算出投资组合在三种经济状态下的预期收益率,如下: 萧条:50%*(-7%)+50%*17%=5% 正常:50%*(12%)+50%*7%=9.5% 繁荣:50%*(28%)+50%*(-3%)=12.5%则该投资组合的预期收益率为:1/3*5%+1/3*9.5%+1/3*12.5%=9%该投资组合的方差为:1/3[(5%-9%)^2+(9.5%-9%)^2+(12.5%-9%)^2]=0.001%该投资组合的标准差为:3.08% 注意到,其中由于分散投资带来的风险的降低。一个权重平均的组合(股票和债券各占百分之五十)的风险比单独的股票或债券的风险都要低。 投资组合的风险主要是由资产之间的相互关系的协方差决定的,这是投资组合能够降低风险的主要原因。相关系数决定了两种资产的关系。相关性越低,越有可能降低风险。

    Q5:协方差怎么计算,请举例说明

    cov(x,y)=EXY-EX*EY

    协方差的定义,EX为随机变量X的数学期望,同理,EXY是XY的数学期望,挺麻烦的,建议你看一下概率论cov(x,y)=EXY-EX*EY

    举例:

    Xi 1.1 1.9 3
    Yi 5.0 10.4 14.6
    E(X) = (1.1+1.9+3)/3=2
    E(Y) = (5.0+10.4+14.6)/3=10
    E(XY)=(1.1×5.0+1.9×10.4+3×14.6)/3=23.02 

    Cov(X,Y)=E(XY)-E(X)E(Y)=23.02-2×10=3.02

    此外:还可以计算:D(X)=E(X^2)-E^2(X)=(1.1^2+1.9^2+3^2)/3 - 4=4.60-4=0.6 σx=0.77
    D(Y)=E(Y^2)-E^2(Y)=(5^2+10.4^2+14.6^2)/3-100=15.44 σy=3.93
    X,Y的相关系数:
    r(X,Y)=Cov(X,Y)/(σxσy)=3.02/(0.77×3.93) = 0.9979 

    表明这组数据X,Y之间相关性很好。

    扩展资料

    协方差(Covariance)在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况,即当两个变量是相同的情况。

    协方差表示的是两个变量的总体的误差,这与只表示一个变量误差的方差不同。 如果两个变量的变化趋势一致,也就是说如果其中一个大于自身的期望值,另外一个也大于自身的期望值,那么两个变量之间的协方差就是正值。 如果两个变量的变化趋势相反,即其中一个大于自身的期望值,另外一个却小于自身的期望值,那么两个变量之间的协方差就是负值。

    期望值分别为E[X]与E[Y]的两个实随机变量X与Y之间的协方差Cov(X,Y)定义为:

    从直观上来看,协方差表示的是两个变量总体误差的期望。

    如果两个变量的变化趋势一致,也就是说如果其中一个大于自身的期望值时另外一个也大于自身的期望值,那么两个变量之间的协方差就是正值;如果两个变量的变化趋势相反,即其中一个变量大于自身的期望值时另外一个却小于自身的期望值,那么两个变量之间的协方差就是负值。

    如果X与Y是统计独立的,那么二者之间的协方差就是0,因为两个独立的随机变量满足E[XY]=E[X]E[Y]。

    但是,反过来并不成立。即如果X与Y的协方差为0,二者并不一定是统计独立的。

    协方差Cov(X,Y)的度量单位是X的协方差乘以Y的协方差。而取决于协方差的相关性,是一个衡量线性独立的无量纲的数。

    协方差为0的两个随机变量称为是不相关的。

    参考资料:百度百科协方差

    Q6:怎么求协方差

    买的有些高,不过可以继续持有,后市继续看涨,具体价位要看后期走势来定,只能走一步看一步。目前个人看到6元左右,关键要看是否放量滞涨,还有做头,如果没有,继续持有!
    如果缩量过4元,放心持股!

    Q7:协方差怎么算

    对二维随机向量(X,Y)来说,期望E(X),E(Y)只反映了X,Y各自额平均值,方差D(X),D(Y)只反映了它们各自与自己均值的偏离程度,它们对X,Y之间的相互关系不提供任何信息。
    我们知道当X,Y相互独立时,有
    E((X-E(X))(Y-E(Y))=0 由此可知,如不等于0,则它们肯定不独立
    于是定义:
    设(X,Y)是二维随机变量,若E(|(X-E(X))(Y-E(Y))|)小于无穷大,则称
    E((X-E(X)(Y-(Y)))为X与Y的协方差,记为Cov(X,Y).
    即:
    Cov(X,Y)=E(((X-E(X))(Y-E(Y)))
    计算式:
    Cov(X,Y)=E(XY)-E(X)E(Y)
    满意请采纳

    本文由锦鲤发布,不代表本站立场,转载联系作者并注明出处:/showinfo-3-17512-0.html